SJZSZYH的博客

以上报错是我在学习吴恩达深度学习时，自己打的代码出现的报错，解决方案就是将。中更新参数时候的选择momentum和adam时。修改为一下：（再引用函数的时候，参数写少了）

之前使用pycharm都可以安装这些库，就是有时候快有时候慢，忽然之间怎么安装都安装不上，并且sklearn显示安装成功后1其version显示。参考这位博主的，很快就解决了，不需要更新pip版本等，可以试一试。

【代码】吴恩达深度学习：course2 - week1 课后作业（代码解读）

但是，如果您想象一个更理想的场景，即控制照明，那么每个图像之间的相对差异在算法中将具有重要价值，我们不希望通过每图像归一化来消除这一点（并且希望在整个训练数据集的上下文中进行归一化）。你可以用多种方式处理，但有一个条件是你应该使用相同的函数处理每个数据 X_preproc = f（X），并且这个 f（.） 不应该依赖于数据本身，所以如果你使用当前图像均值来处理这个当前图像，那么你的 f（X） 实际上真的是 f（X， 图像），你不想要那个。这通常有助于网络更快地学习，因为梯度对每个通道的作用是均匀的。

python中，np.xxx函数总结

本文参考该播主实现，需要的文件在博主的文章里：https://blog.youkuaiyun.com/u013733326/article/details/79767169这次我先记录我自己打代码时候的错误，最后把添加注释的代码放到最后；

本文主要参考该博主的文章来理解创作的：这是原博主的链接地址：https://blog.youkuaiyun.com/u013733326/article/details/79702148。

python版本3.7.4。

吴恩达深度学习第二周作业，第二周主要讲述的是逻辑回归学习算法，我们主要做的是搭建一个能够"识别猫"的简单神经网络。x : 表示一个nx维数据，为输入数据，维度为（nx，1）y : 表示输出结果，取值为（0，1）((𝑥(𝑖),𝑦(𝑖)) : 表示第i组数据，可能是训练数据，也可能是测试数据，此处默认为训练数据𝑋=[𝑥(1),𝑥(2),…,𝑥(𝑚)]：表示所有的训练数据集的输入值，放在一个 𝑛𝑥×𝑚的矩阵中，其中 𝑚表示样本数目;